谈一谈|对小白学习算法的建议

前言

数据结构与算法是一门很重要的科目，在目前数据化时代也起着至关重要的作用，在以后面试以及工作中起着至关重要的作用。今天我们就来谈一谈数据结构与算法中的算法，在百度词条中，算法是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。通俗的来讲，算法就是解决某一实际问题的，如果一个小白想要开始学习算法，怎么做才能最高效呢？

必备基础

算法的特征：

有穷性（算法的有穷性是指算法必须能在执行有限个步骤之后终止）
确切性（算法的每一步骤必须有确切的定义）
输入项（一个算法有0个或多个输入，以刻画运算对象的初始情况）

输出项（一个算法有一个或多个输出，以反映对输入数据加工后的结果）

可行性（也称之为有效性）。

影响算法优劣的因素：时间复杂度，空间复杂度，正确性，可读性，健壮性（也称容错性）

这些基础知识掌握后，就继续看笔者学习算法的经验吧。

经验分享

笔者初学算法的时候是大一想要参加程序竞赛，让自己的大学生活不是那么颓废，然后就突然觉得学习算法挺有意思的，就学上了，所以兴趣是最好的老师，接下来进入正题。

我们要明确算法是有很多种，多到这一辈子都学不完，我们重点是掌握一些常用的算法，这些学会了以后小伙伴们可以根据自己的方向去钻研。以下这些就是算法学习之路必须攻克的关卡：排序类算法，动态规划，贪心算法，递归，回溯类算法。学好这些其实就两步，练习过后理解，理解过后再练习，如果觉得没掌握，就再来一次，反复着来，怎么都可以掌握，这是总体学习的方针。下面针对不同算法来做一下讲解吧。

排序类算法

笔者认为排序类算法是众多算法中最简单的一类算法，排序本质其实就是比较大小，不同的排序方法只是比较大小的方式有所差异，大家多理解其中的差异就可以很轻松地掌握不同的排序方法，面对众多的排序算法，就一下几种常用：冒泡排序，选择排序，插入排序，快速排序，堆排序。这些排序看理论很好懂，代码也好懂，大家稍微用一点心就可以看懂的。

动态规划

重点！在一类问题中，可能会有许多可行解。动态规划算法可以帮助我们在这些可行解里面找出最优解。其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中，最后通过这个表来得到最优答案。我们一起来看一道力扣平台上比较简单的动态规划题目：

在这道题里，目标是找连续子集的最大和，这道题我们创建数组dp吧，用dp[i]代表以元素 nums[i] 为结尾的连续子数组最大和。所以dp[0]为-2，dp[1]为max[dp[0],dp[0]+nums[1]], dp[2]为max[dp[1],dp[1]+nums[2]],一次类推，最后我们在dp里就找到了和题目相符合的解了，是不是很简单呀。解决了第一道此类型的题目后，以后的就会感觉轻松很多，练习再理解，理解再练习，反复着来，很快就会了。

贪心算法

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。都是最优解，那贪心和上面的动态规划有什么区别呢？动态规划最后得到的结果是从整体出发的，而贪心就是从局部，比如平时购物找零钱时，为使找回的零钱的硬币数最少，不要求找零钱的所有方案，而是从最大面值的币种开始，按递减的顺序考虑各面额，先尽量用大面值的面额，当不足大面值时才去考虑下一个较小面值，这就是贪心算法。动态规划则会求出所有方案。如需找零9元时，我们有1元，3元和5元的硬币，用贪心算法只会得到（5，3，1）一种结果，动态规划还可以得到（3，3，3）这第二种结果。

下面给大家一道经典的背包问题，大家自己研究怎么贪吧：

回溯类算法

这类算法其实就是指深度优先搜索和广度优先搜索。这两种道理很简单，但是实际运用起来会很困难，先用下面的图来说明一下吧

我们要从A开始然后找到目标点D，我们可以沿着一种特定点进行移动，无法移动时再按照某种方式进行回溯。

如果是深度优先搜索，我们就按着一条线一直往下走，无路可走时再回溯到起点，此时就是A-C-F，再是(A)-(C)-E-G,最后是(A)-B-D,连起来就是A-C-F-E-G-B-D。(括号里是走过的点)广度优先搜索就是先走当前点可以走的所有点，再走下一个点可到的所有点，此时就是A-B-C,再(C)-E-F,再（B）-D最后（E）-G,连起来就是A-B-C-E-F-D-G这就是回溯类算法最基本的思想，想深入学习，大家就去力扣平台上练题吧